基于健康評(píng)估和劣化趨勢(shì)預(yù)測(cè)的水電機(jī)組故障診斷系統(tǒng)研究.pdf

1、水電機(jī)組運(yùn)行狀態(tài)的實(shí)時(shí)診斷直接關(guān)系到水電站的安全穩(wěn)定運(yùn)行、電力質(zhì)量和電力生產(chǎn)成本等重要的經(jīng)濟(jì)效益指標(biāo)，其社會(huì)效益巨大。隨著電站規(guī)模和監(jiān)測(cè)輔助系統(tǒng)的不斷擴(kuò)大，機(jī)組的控制和監(jiān)測(cè)數(shù)據(jù)信息量越來(lái)越大，運(yùn)行操作人員對(duì)機(jī)組運(yùn)行狀態(tài)的實(shí)時(shí)有效監(jiān)控、對(duì)設(shè)備故障做出迅速而準(zhǔn)確地判斷變得越來(lái)越困難，因此，研究水電機(jī)組運(yùn)行狀態(tài)健康評(píng)估和性能劣化趨勢(shì)預(yù)測(cè)是非常必要的。
　　 考慮到水電機(jī)組狀態(tài)監(jiān)測(cè)技術(shù)已得到廣泛應(yīng)用，但現(xiàn)階段水電機(jī)組故障樣本較少，現(xiàn)有的

2、診斷技術(shù)無(wú)法滿足工程應(yīng)用等實(shí)際情況，提出基于健康評(píng)估和劣化趨勢(shì)預(yù)測(cè)的水電機(jī)組故障診斷新思路。從研究機(jī)組運(yùn)行正常特征入手，通過(guò)建立健全的監(jiān)測(cè)特征量健康樣本來(lái)實(shí)現(xiàn)水電機(jī)組的健康診斷，診斷方法側(cè)重于設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)健康診斷，重點(diǎn)在于監(jiān)測(cè)異常和預(yù)測(cè)異常，其診斷方法與傳統(tǒng)的基于故障征兆的診斷方法有較大差異。鑒于水電機(jī)組實(shí)際運(yùn)行中，出現(xiàn)的故障概率較小，基于該診斷理念開發(fā)的診斷系統(tǒng)工程實(shí)用性很強(qiáng)，且系統(tǒng)具備實(shí)時(shí)健康診斷和量化的性能退化趨勢(shì)預(yù)測(cè)功能，

3、既能實(shí)時(shí)監(jiān)測(cè)異常，又能預(yù)測(cè)異常，可滿足現(xiàn)階段的工程應(yīng)用需求。本文從運(yùn)行狀態(tài)特征提取、健康標(biāo)準(zhǔn)及健康樣本的建立、基于特征樣本的健康評(píng)估、基于時(shí)序分解模型的狀態(tài)趨勢(shì)預(yù)測(cè)、基于LS-SVM的參數(shù)性能退化評(píng)估以及集成化故障診斷系統(tǒng)的研究與應(yīng)用六個(gè)方面，系統(tǒng)開展了基于健康評(píng)估和劣化趨勢(shì)預(yù)測(cè)的水電機(jī)組故障診斷技術(shù)與應(yīng)用研究。
　　 以水電機(jī)組的水輪機(jī)和發(fā)電機(jī)為研究對(duì)象，在歸納總結(jié)水電機(jī)組運(yùn)行異常時(shí)可能出現(xiàn)的各種特征表現(xiàn)的基礎(chǔ)上，提出了表征水

4、電機(jī)組運(yùn)行狀態(tài)的特征參數(shù)，以及特征參數(shù)三種可以量化的特征指標(biāo):幅值、頻率、波形形狀，并給出了相應(yīng)的計(jì)算方法。
　　 提出了可用于水電機(jī)組運(yùn)行狀態(tài)健康評(píng)估的三種評(píng)價(jià)標(biāo)準(zhǔn):絕對(duì)評(píng)價(jià)標(biāo)準(zhǔn)、相對(duì)評(píng)價(jià)標(biāo)準(zhǔn)、類比評(píng)價(jià)標(biāo)準(zhǔn)，并給出了標(biāo)準(zhǔn)限值相應(yīng)的取值計(jì)算方法。根據(jù)概率論與數(shù)理統(tǒng)計(jì)學(xué)的極限理論，以及休哈特控制圖理論，提出了采用樣本均值作為特征量的標(biāo)準(zhǔn)值，以3σ準(zhǔn)則確定的Xc=(X)±3σ為報(bào)警界限值的特征量健康標(biāo)準(zhǔn)。
　　 以機(jī)組前期正

5、常運(yùn)行條件下的振動(dòng)監(jiān)測(cè)樣本為例，分析了機(jī)組運(yùn)行條件（功率、水頭）對(duì)監(jiān)測(cè)參數(shù)特征量指標(biāo)的影響，提出以控制樣本方差的方法來(lái)對(duì)運(yùn)行條件進(jìn)行分區(qū)，建立分區(qū)健康樣本的具體方法和步驟，這樣既保證了樣本的判異準(zhǔn)確性，同時(shí)也減低了樣本空間維數(shù)（樣本個(gè)數(shù)）。
　　 建立了基于時(shí)間序列變化分解的水電機(jī)組特征量趨勢(shì)預(yù)測(cè)模型，提出了基于時(shí)間序列分解模型的趨勢(shì)預(yù)測(cè)和性能退化預(yù)測(cè)的算法。采用電站實(shí)際監(jiān)測(cè)數(shù)據(jù)對(duì)分解模型和算法進(jìn)行了驗(yàn)證，結(jié)果表明，預(yù)測(cè)趨勢(shì)與實(shí)

6、際監(jiān)測(cè)趨勢(shì)具有很好的吻合性，可滿足水電機(jī)組監(jiān)測(cè)特征量的趨勢(shì)預(yù)測(cè)和性能退化預(yù)測(cè)，對(duì)早期預(yù)警機(jī)組潛在異常，具有很好的實(shí)用性。
　　 以水電機(jī)組振動(dòng)為例，提出了基于LS-SVM的水電機(jī)組振動(dòng)參數(shù)性能退化評(píng)估三維標(biāo)準(zhǔn)模型（功率-水頭-振動(dòng)量）。將機(jī)組實(shí)時(shí)運(yùn)行的有功功率和工作水頭代入訓(xùn)練好的模型，即可獲取當(dāng)前工況下機(jī)組振動(dòng)量是否偏離正常狀態(tài)，實(shí)現(xiàn)機(jī)組運(yùn)行狀態(tài)的健康評(píng)估?；谡駝?dòng)參數(shù)性能退化時(shí)間序列，提出了基于LS-SVM的水電機(jī)組振動(dòng)參數(shù)

7、性能退化預(yù)測(cè)模型，采用上導(dǎo)擺度和上機(jī)架振動(dòng)參數(shù)現(xiàn)場(chǎng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)對(duì)所提模型進(jìn)行驗(yàn)證。結(jié)果表明，該模型能較好的對(duì)水電機(jī)組振動(dòng)參數(shù)性能退化進(jìn)行評(píng)估和預(yù)測(cè)。
　　 最后以三峽集團(tuán)公司遠(yuǎn)程狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)為例介紹了集成化故障診斷系統(tǒng)的研究與應(yīng)用，提出了現(xiàn)地監(jiān)測(cè)層—廠站集成層—中心診斷層分布式故障診斷系統(tǒng)的總體結(jié)構(gòu)，以標(biāo)準(zhǔn)化的數(shù)據(jù)格式來(lái)實(shí)現(xiàn)不同監(jiān)測(cè)設(shè)備之間的數(shù)據(jù)通信，通過(guò)標(biāo)準(zhǔn)化數(shù)據(jù)平臺(tái)的集成，實(shí)現(xiàn)了狀態(tài)信息的共享和多信息的融合診斷。通